基于文本聚類的微博輿情熱點檢測技術(shù)研究.pdf

1、微博作為一種新興的網(wǎng)絡(luò)交流媒體，自誕生以來就受到了廣大網(wǎng)絡(luò)用戶的追捧，成為廣大網(wǎng)民表達自身意愿的重要平臺之一。微博平臺具有靈活便捷的特性，這些特性為網(wǎng)民參與交流帶來很大的便捷，同時也對互聯(lián)網(wǎng)輿情監(jiān)測帶來很大的挑戰(zhàn)。微博用戶每天都會在微博平臺上發(fā)布大量的信息，這些信息不僅包含微博用戶對自身情感的表達，還包含人們對各種社會問題的觀點看法，微博已經(jīng)成為我國網(wǎng)民表達輿論的重要場所之一。目前國內(nèi)外的輿情監(jiān)測系統(tǒng)主要是針對BBS論壇、新聞?wù)军c等網(wǎng)絡(luò)

2、媒體，在微博輿情檢測方面還需要進一步的完善。本文針對微博的輿情監(jiān)測問題對目前的研究現(xiàn)狀展開研究，提出了一種用于檢測微博平臺中存在的熱點話題的方法。
　　本文中提出的微博熱點話題檢測方法主要在微博數(shù)據(jù)特征詞匯提取、特征詞匯權(quán)值計算和文本聚類方法三個方面進行了改進。首先基于微博信息表達特有的格式，在對微博數(shù)據(jù)進行特征詞匯選擇時，優(yōu)先選擇包含信息量較大或者處于重要位置的詞匯作為該微博信息的特征詞匯，從而降低向量空間的維數(shù)，加快系統(tǒng)的運算

3、效率。其次針對特征詞匯包含信息量規(guī)模大小的問題，在計算特征詞匯的權(quán)值時，對處于重要位置的詞匯進行了一定的加權(quán)，另外還對轉(zhuǎn)發(fā)量和評論量高的微博信息中包含的特征詞匯進行了一定的加權(quán)。最后在對微博信息進行聚類分析時，提出了一種基于密度的K-means聚類算法，該算法依據(jù)數(shù)據(jù)對象在向量空間中的分布規(guī)律進行聚類中心的計算，避免了聚類中包含的噪音數(shù)據(jù)和孤立點數(shù)據(jù)帶來的影響，提高了聚類結(jié)果的準確率和穩(wěn)定性。
　　最后通過實驗對基于密度的K-me